前言

长久以来，人们都希望机器能够充满创造力，不仅能完成复杂的机械劳动，还能完成一些创造性的工作，比如画画、写诗、创作歌词等。2014年，Ian Goodfellow 提出了生成对抗网络（Generative Adversarial Networks，GANs）这一概念，推进了整个无监督学习的发展进程。

作为AI领域从业者，怎样才能紧跟AI潮流？

毫无疑问，当然是啃 paper 呀！

最近，吴恩达在一场针对「AI领域求职」的讲座中，提到：

如果你能读上一个领域内10-20篇论文，那你就可以信心满满地说你了解这一领域了。

如果你能读上50篇论文，那你就已经是个领域小专家了。

如果你能读上100篇论文，那么你大概已经有了不少科研想法，可以尝试拓宽这一领域的边界了。

最后的最后，如果你能读上200篇论文，那你就完全可以自己开一门课程。

是不是很励志，很想狂读 paper，晋升王者！

然而如果你在AI学习方面是个青铜的话，自然明白晋级王者之路多艰，如果有大神带，那自然另当别论。中科院计算所大神在此，速来报到！

集智学园&中科视拓联合推出——《GAN专题论文研读》，扫描下方二维码进入学习，开启你的晋级之路~

学习地址：

https://campus.swarma.org/gpac=412

杨双，中科院计算所助理研究员。2016年于中科院自动化研究所获博士学位。主要研究方向包括计算机视觉、模式识别、图像序列分析等。先后参与国家863与自然科学基金等多项国家级/省部级课题，目前主持国家青基项目1项；在T-PAMI/CVPR等刊物上发表论文10余篇。

在CCTV1，于2018年10月20日播出的《机智过人》中，杨双老师用唇语识别，为听障人群的无声世界打开一扇窗。可以观看节目，一睹女神老师风采！

GAN是在2014年由还在读博士的Ian Goodfellow引入深度学习领域的。从2014到2016，仅仅两年的时间，GAN热潮就席卷了AI领域顶级会议，从ICLR到NIPS，大量高质量论文被发表和探讨。

AI领域泰斗级人物Lecun形容GANs——「近20年来深度学习领域诞生的最酷想法」。2016年12月NIPS大会上，Goodfellow做了关于GANs的专题报告，使得GANs成为了当今最热门的研究领域之一。

GAN能成为深度学习的宠儿，全都依赖它强大的功能。作为一个生成模型，GAN避免了一些传统生成模型在实际应用中的一些困难，巧妙地通过对抗学习来近似一些不可解的损失函数。广泛应用于“图像超分辨率”、“图像仿真”、“数据合成”、“文本到图像翻译”等领域。

对待视频，以假乱真；

对待图片，风格迁移，黑白颠倒，模糊变高清，没有数据，帮你从0到1来生成；

对待文本，根据描述生成图片，无所不能。

一个简单的例子。比如，“我想要有一只亮蓝色鸟的图片，鸟的位置也标注好了”，那么计算机就可以自己生成图片。

我们的系列课程——GAN专题论文研读涉及>30篇经典论文；每个经典模型均会有代码复现与分析讲解；覆盖范围广泛，包括：

• 原理介绍&代码实训！

• 理论基础&实际应用！

• 计算机视觉&文本处理！

• 机器学习顶会&CV顶会！

• 2014的提出之初 → 2018的当下最新！

从GAN的诞生之初讲起，全方位覆盖，介绍每个类别的代表性论文，复现经典模型，跟大家一起逐步梳理清楚GAN的发展脉络！

配套免费的《GAN专题代码实践》学习地址：

https://campus.swarma.org/gpac=413

• 精选机器学习顶会和计算机视觉顶会的经典论文

• 模块化梳理发展脉络和应用领域

• 系统性推导关键公式

• 从原理到代码从0到1破解CNN&GAN的前世今生

• 手把手带你上AI王者！

课程列表

• 基础原理之GAN的诞生

• GAN的数据生成篇

  a. 从无到有——条件式

  b. 从无到有——渐进式

  c. 从A到B的迁移式

• GAN的模型训练篇

  a. 理论篇

  b. 技巧篇

  c. 结构篇

• GAN的典型应用、

  a. 图像篇

  b. 视频篇

  c. 文本篇

• GAN的特征学习

• GAN的姿态迁移

• GANimation

• GAN论文串讲

感谢中科院计算所视觉信息处理与学习研究组（简称VIPL研究组）对此课程研发提供的资源支持。

感谢北京大学、天津大学、南开大学、厦门大学等学校对此门课程的认可与支持。

编辑：王怡蔺

---

集智俱乐部QQ群｜877391004

商务合作及投稿转载｜swarma@swarma.org

◆◆◆

搜索公众号：集智俱乐部

加入“没有围墙的研究所”

让苹果砸得更猛烈些吧！

原文始发于微信公众号（集智俱乐部）：集智